کاربرد شبکه عصبی مصنوعی درپیش بینی کرنش فشاری و شیارشدگی روسازی

Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 883

This Paper With 7 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

TI01_213

تاریخ نمایه سازی: 29 دی 1392

Abstract:

دراین مقاله توانایی روش شبکه عصبی مصنوعی درپیش بینی مقادیرکرنش فشاری قائم درعمقهای مختلف روسازی اسفالتی موردارزیابی قرارگرفته است تخمین دقیق مقدارکرنش فشاری قائم درعمقهای مختلف به منظور پیش بینی دقیق عمق شیارشدگی درلایه های مختلف روسازی الزامی است به منظور توسعه روشی جهت پیش بینی مقادیرکرنش فشاری قائم نخست 700 مقطع مختلف روسازی تحت اثربارمحوری منفرد هم ارز استاندارد 8/2 تنی تحلیل و مقدارکرنش فشار ی درعمق های مختلف روسازی و درپنج فاصله شعاعی مختلف تعیین شد درمرحله بعد پایگاه داده مربوطه به مقاطع روسزای و کرنش فشاری در عمق ها و فواصل شعاعی مختلف تکمیل گردید و به منظور برقراری ارتباط بین کرنش فشاری قائم و ساختارروسازی ازیک شبکه عصبی مصنوعی چندلایه ای پرسپترون با الگوریتم اموزش لونبرگ مارکوادت استفاده گردید تحقیق حاضر نشان داد که شبکه عصبی مصنوعی با معماری 5-15-25-8توانایی پیش بینی دقیق مقدارکرنش فشاری قائم درعمق ها و فواصل شعاعی مختلف را داراست و میتوان با استفاده ازاین روش مقادیر کرنش فشاری قائم و درنتیجه عمق شیارشدگی لایه های مختلف روسازی را با دقت بسیاربالا بدست اورد

Authors

علی رضا غنی زاده

دانشگاه صنعتی سیرجان

منصور فخری

دانشگاه صنعتی خواجه نصیرالدین طوسی تهران

آرش ضیائی

دانشگاه صنعتی سیرجان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • غنی‌زاده. علی‌رضا، استفاده از کلاس ClassLESA در تحلیل سیستم‌های الاستیک ... [مقاله کنفرانسی]
  • . AI: Research and Development of the Asphalt Institute's Thickness ...
  • . ARA, I., ERES Division, Guide for Mechani stic-Empirical Design ...
  • . Attoh-Okine, N.O., Modeling incremental pavement roughness using functional network. ...
  • . Beale, M.H., M.T., H., Demuth, H.B., Neural Network Toolbox. ...
  • . Haykin, S., Neural Networks, A C omprehensive Foundation, 2nd ...
  • . Huang Yang, H., Pavement analysis and design. University of ...
  • . Ozgan, E., Artificial neural network based modelling of the ...
  • . Pekcan, O., Tutumluer, E., Thompson, M., Artificial Neural Network ...
  • . Saltan, M., Modeling deflection basin using artificial neural networks ...
  • . Sheel, Pavement Design M anual-Asphalt Pavements and Overlays for ...
  • . TapkIn, S., Cevik, _ Usar, U., Accumulated strain prediction ...
  • نمایش کامل مراجع